如何更优雅地可视化决策树续：完美中文支持

自从知道了如何更优雅地可视化决策树 后，发现中文支持很差，就一直避免使用中文，最近的项目不得不输出中文，于是下决心解决掉它。

dtreeviz^[1] 基于 matplotlib， 网上关于 matplotlib 中文支持的方案很多，但没有一个能解决问题， 认真查看代码后，发现需要同时从两方面下手，

• 修改 matplotlib 的配置
• 修改 dtreeviz 的底层代码

修改 dtreeviz 底层代码实现中文支持

修改 matplotlib 的配置只能部分解决乱码问题，于是需要从底层代码来解决这个问题。

dtreeviz 在trees.py和classifiers.py 使用了默认字体Arial， 我通过简单修改， 允许配置默认的字体。先附上简单的代码实现。

utils.py 添加一个变量，

import matplotlib.pyplot as plt

default_font=plt.rcParams['font.sans-serif'][0]

这样只需要修改 matplotlib 默认字体就可以达到中文的完美支持（当然日语韩语也不是问题，只要有合适的字体），修改后的代码我放在了https://github.com/alitrack/dtreeviz

修改 matplotlib 默认字体

下面这段代码要优先执行

default_font = 'Arial Unicode MS'
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=[default_font]+plt.rcParams['font.sans-serif']
plt.rcParams['axes.unicode_minus']=False # 确保正常显示减号➖

这样做的好处，是它这是当前环境下修改了 matplotlib 配置，并不会影响别的程序。

不建议修改配置文件（对于 seaborn，即使修改配置文件也没有用），可能影响别的程序。

测试效果

from sklearn.datasets import *
from sklearn import tree
from dtreeviz.trees import *
classifier = tree.DecisionTreeClassifier(max_depth=3)
iris = load_iris()
classifier.fit(iris.data, iris.target)
#测试需要
feature_names=['萼片sepal length (cm)','sepal width (cm)'
,'花瓣petal length (cm)','花瓣petal width (cm)']
class_names=["山鸢尾 (부채붓꽃)", "变色鸢尾(ブルーフラッグ)"
, "维吉尼亚鸢尾(Iris-virginica)"]
## 画决策树
viz = dtreeviz(classifier,
               iris.data,
               iris.target,
               target_name='variety',
               feature_names=feature_names,
               class_names=class_names  # need class_names for classifier
              )

viz

输出

中日韩都不是问题？

如果你的系统没有中文字体，或者没有你想要的中文字体咋办？下面就介绍下如何给 matplotlib 安装中文字体。

给 matplotlib 安装中文字体

对于 macOS 和 Linux 可以使用下面两种方式来判断是否有你想要的字体

fc-list :lang=zh

或者

font_manager.fontManager.ttflist

会返回系统安装的字体以及字体所对应的字体名（不同于字体文件名）

<Font 'Arial Unicode MS' (Arial Unicode.ttf) normal normal 400 normal>,

判断 matplotlib 默认字体及安装路径

通过下面命令，可以得知 matplotlib 的默认字体是DejaVuSans.ttf，默认安装路径（具体看你的 Python 虚拟环境安装位置）是，

/Users/steven/anaconda3/envs/py39/lib/python3.9/site-packages/matplotlib/mpl-data/fonts/ttf/

from matplotlib import pyplot as plt
plt.rcdefaults() # 恢复到初始化设置
from matplotlib.font_manager import findfont, FontProperties
findfont(FontProperties(family=FontProperties().get_family()))

返回

'/Users/steven/anaconda3/envs/py39/lib/python3.9/site-packages/matplotlib/mpl-data/fonts/ttf/DejaVuSans.ttf'

下载与安装字体

• 下载想要的字体

比如 SimHei（simhei.ttf）， Arial Unicode MS（Arial Unicode.ttf）

• 下载安装

下载好的字体 copy 到对应的目录，

cp simhei.ttf /Users/steven/anaconda3/envs/py39/lib/python3.9/site-packages/matplotlib/mpl-data/fonts/ttf/

• 清除 matplotlib 缓存

rm -rf ~/.matplotlib

• reset 当前 notebook（如果是在 notebook 里）

seaborn 的中文支持

seaborn 也是基于 matplotlib， 它的中文支持更加方便，但网上的方案基本都有问题

import seaborn as sns
from matplotlib import pyplot as plt

iris = sns.load_dataset('iris')

iris.columns=['萼片sepal_length', '萼片sepal_width', '花瓣petal_length', '花瓣petal_width',
       'species']
iris.replace(["setosa","versicolor","virginica"],
           ["山鸢尾 (부채붓꽃)", "变色鸢尾(ブルーフラッグ)", "维吉尼亚鸢尾(Iris-virginica)"],
           inplace=True)
# sns.set_style("whitegrid",{"font.sans-serif":plt.rcParams['font.sans-serif']})
# style used as a theme of graph
# for example if we want black
# graph with grid then write "darkgrid"
sns.set_style("whitegrid")
#set_style 会 override plt.rcParams['font.serif'],我们再override回来
plt.rcParams['font.sans-serif']=[default_font]+plt.rcParams['font.sans-serif']
plt.rcParams['axes.unicode_minus']=False # 让负号也能正常显示

sns.pairplot(iris, hue="species")

输出

sns.set_style("whitegrid")会覆盖 matplotlib 的默认字体设置，

这里可以做个简单的验证，

default_font="Arial Unicode MS"
plt.rcdefaults()
print("matplotlib默认:",plt.rcParams['font.sans-serif'])
sns.set_style('darkgrid')
print("被seaborn修改后:",plt.rcParams['font.sans-serif'])
plt.rcParams['font.sans-serif']=[default_font]+plt.rcParams['font.sans-serif']
print("再改回来:",plt.rcParams['font.sans-serif'])

而我们要做就是在这个代码之后，改为我们希望的字体即可。

plt.rcParams['font.sans-serif']=[default_font]+plt.rcParams['font.sans-serif']

从上面 dtreeviz 和 seaborn 来看，关键是看字体配置啥时候被修改，记得改回来，使用你希望的字体。

字体资源

Google Noto Fonts^[2]

Google 开源的字体，Noto 是no more tofu 的缩写（别再显示豆腐块，就是那种无法显示的字体以方块形式出现，像豆腐块），noto-cjk 的 GitHub 网址是https://github.com/googlefonts/noto-cjk。

其它的网上自己搜索吧。

参考资料